TensorSpace.js
开始使用
基本概念
TensorSpace Converter
模型预处理
模型
网络层
网络层融合
Conv2d
Conv2d卷积层多用于图像识别,使用过滤器提取图像中的特征。
构造器
基于 TensorSpace 模型 是否在初始化之前载入了预训练的模型,有不同的配置方法。查看 网络层配置 文档了解网络层配置基本规则。
〔情况一〕如果 TensorSpace 模型在初始化之前已经载入了预训练的模型,那么不需要在 Layer 中配置 网络模型相关系数
TSP.layers.Conv2d();
〔情况二〕如果 TensorSpace 模型在初始化之前未载入预训练的模型,那么需要配置必要的网络模型相关系数
两种方法构造一个新建一个层,输入参数都是必要的。
[方法一] 使用 filters , kernelSize strides 参数进行构造
TSP.layers.Conv2d( { filters : Int, kernelSize: Int, strides: Int } );
[方法二] 使用 shape 参数进行构造
TSP.layers.Conv2d( { shape : [ Int, Int, Int ] } );
图1 - Conv2d层示意图(左:收缩 | 右:展开)
参数列表

参数名

标签

类型

简介

具体用法细节和例子

name

String 层的命名 name: “layerName”
顺序模型中,建议添加,以便从模型中获取层对象
函数式模型中,必须给每个层添加 name 属性,且添加的名称 name 的值需要和预训练网络中对应层的名称相同

filters

Int 特征提取过滤器的数量,
网络模型相关系数
filters: 16

padding

String Padding模式,
网络模型相关系数

valid [默认值] 不使用padding,丢弃无法提取特征的部分,会改变输出的形状

same: 使用padding,在不够的位置补零 ,输出的形状不变

shape

Int[] 当前层的输出形状,
网络模型相关系数
例如,shape: [ 28, 28, 6 ]
则表示输出为6个特征图,每幅图大小28*28,dataFormat默认通道值在最后

kernelSize

Int | Int[] 卷积核的尺寸,
网络模型相关系数
2d卷积核,举个例子,
如果配置一个正方形卷积核,将 kernelSize 设置成 3
如果配置一个矩形卷积核,将 kernelSize 设置成 [1, 7]

strides

Int | Int[] 卷积移动框的移动步长,
网络模型相关系数
在不同方向的步长,默认情况自动推断 strides: [1, 1],举个例子,
如果长宽方向的步长相等,将 strides 配置成 2
如果长宽方向的步长不相等,将 strides 配置成 [1, 2]

color

Color Format 层的颜色 Conv2d默认颜色是亮黄色 #FFFF2E

closeButton

Dict 层关闭按钮外观控制列表, 查看详情

display: Bool. true [默认值] 显示按钮, false 隐藏按钮

ratio: Int 为正常大小的几倍,默认为1倍,例如,当ratio设为2时,关闭按钮为正常大小的2倍大

initStatus

String 本层初始化状态,查看详情 close[默认值] : 收缩
open:展开

animeTime

Int 张开和伸缩的速度 例如2000就是2秒,如果在layer中配置animeTime属性将会覆盖model中的animeTime。
属性
.inputShape : Int[]
filter_center_focus本层输入Tensor的形状,dataFormat默认通道值在最后,例如inputShape = [ 28, 28, 3 ] 表示输入为3个特征图,每个图大小为28*28。
filter_center_focus在 model.init() 后才可拿到数据,否则为undefined。
.outputShape : Int[]
filter_center_focus本层输出Tensor的形状为3维 3️⃣
filter_center_focusdataFormat默认通道值在最后,例如outputShape = [ 32, 32, 4 ] 表示经过此层处理后,有4个特征图,每个图大小为32*32。
filter_center_focus在 model.init() 后才可拿到数据,否则为undefined。
.neuralValue : Float[]
filter_center_focus本层层间输出值数组。
filter_center_focus载入模型,在 model.predict() 后才可以拿到数据,否则为undefined。
.name : String
filter_center_focus本层的自定义名称。
filter_center_focus创建后即可取到。
.layerType : String
filter_center_focus本层的类型,返回一个定值,字符串Conv2d
filter_center_focus创建后即可取到。
方法
filter_center_focus将此层连接到 previous_layer 上,previous_layer 即此层的上一层
filter_center_focus此方法可用于构建 函数模型 图结构。
filter_center_focus详情参见 构建图结构
.openLayer() : void
filter_center_focus展开 Layer,如果 Layer 已经处于 “open” 状态,Layer 将会保持 “open” 状态。
filter_center_focus详情参见 网络层状态
filter_center_focus闭合 Layer,如果 Layer 已经处于 “close” 状态,Layer 将会保持 “close” 状态。
filter_center_focus详情参见 网络层状态
使用样例
filter_center_focus 如果 TensorSpace 模型在初始化之前已经载入了预训练的模型,那么不需要在 Layer 中配置网络模型相关系数。
let convLayer = new TSP.layers.Conv2d( {

    // 建议配置,当使用 TensorSpace 函数模型时,为必要配置。
    name: "conv2d1",
    // 可选配置。
    animeTime: 4000,
    initStatus: "open"

} );
filter_center_focus 如果 TensorSpace 模型在初始化之前未载入预训练的模型,那么需要配置必要的网络模型相关系数。
let convLayer = new TSP.layers.Conv2d( {

    // 必要网络模型相关系数配置。
    kernelSize: 5,
    filters: 6,
    strides: 1,
    // 建议配置,当使用 TensorSpace 函数模型时,为必要配置。
    name: "conv2d1",
    // 可选配置。
    animeTime: 4000,
    initStatus: "open"

} );
什么时候用
如果你熟悉Keras | TensorFlow | tfjs 框架,构建模型时使用了卷积层Conv2D(下表列出了可能的使用情景)。一一对应的,在TensorSpace中,使用本API。
框架名称 对应框架中新建对象代码段
Keras keras.layers.Conv2D(filters, kernel_size, strides=(1, 1))
TensorFlow tf.nn.conv2d(input, filter, strides, padding)
TensorFlow.js tf.layers.conv2d(filters, inputShape)
源码
tensorspace/src/layer/intermediate/Conv2d.js